我们提出了一种新方法，通过双鉴别器循环对抗框架和稀疏卷积PSF感知生成器，解决无镜和有镜图像的领域差距。该方法在单个PSF下表现出色，并能适应PSF变化，无需重新训练，展现了强大的无镜图像重建能力。

本文介绍了基于卷积神经网络的MAE自监督方法，通过对输入图片进行mask并进行重建任务，学习到了鲁棒的视觉特征。作者提出了基于CNN的类MAE方法，通过稀疏卷积和分层次的解码器实现了和ViT类似的效果。实验结果表明，该方法在性能上媲美原始的MAE方法，并在各种下游任务中取得了SOTA的结果。